Impact of El Niño Southern Oscillation on infectious disease hospitalization risk in the United States
Notice bibliographique
Résumé
Although the global climate is changing at an unprecedented rate, links between weather and infectious disease have received little attention in high income countries. The "El Niño Southern Oscillation" (ENSO) occurs irregularly and is associated with changing temperature and precipitation patterns. We studied the impact of ENSO on infectious diseases in four census regions in the United States. We evaluated infectious diseases requiring hospitalization using the US National Hospital Discharge Survey (1970-2010) and five disease groupings that may undergo epidemiological shifts with changing climate: (i) vector-borne diseases, (ii) pneumonia and influenza, (iii) enteric disease, (iv) zoonotic bacterial disease, and (v) fungal disease. ENSO exposure was based on the Multivariate ENSO Index. Distributed lag models, with adjustment for seasonal oscillation and long-term trends, were used to evaluate the impact of ENSO on disease incidence over lags of up to 12 mo. ENSO was associated more with vector-borne disease [relative risk (RR) 2.96, 95% confidence interval (CI) 1.03-8.48] and less with enteric disease (0.73, 95% CI 0.62-0.87) in the Western region; the increase in vector-borne disease was attributable to increased risk of rickettsioses and tick-borne infectious diseases. By contrast, ENSO was associated with more enteric disease in non-Western regions (RR 1.12, 95% CI 1.02-1.15). The periodic nature of ENSO may make it a useful natural experiment for evaluation of the impact of climatic shifts on infectious disease risk. The impact of ENSO suggests that warmer temperatures and extreme variation in precipitation events influence risks of vector-borne and enteric disease in the United States.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».